uu.seUppsala universitets publikasjoner
Endre søk
Begrens søket
123456 51 - 100 of 287
RefereraExporteraLink til resultatlisten
Permanent link
Referera
Referensformat
  • apa
  • ieee
  • modern-language-association
  • vancouver
  • Annet format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annet språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf
Treff pr side
  • 5
  • 10
  • 20
  • 50
  • 100
  • 250
Sortering
  • Standard (Relevans)
  • Forfatter A-Ø
  • Forfatter Ø-A
  • Tittel A-Ø
  • Tittel Ø-A
  • Type publikasjon A-Ø
  • Type publikasjon Ø-A
  • Eldste først
  • Nyeste først
  • Skapad (Eldste først)
  • Skapad (Nyeste først)
  • Senast uppdaterad (Eldste først)
  • Senast uppdaterad (Nyeste først)
  • Disputationsdatum (tidligste først)
  • Disputationsdatum (siste først)
  • Standard (Relevans)
  • Forfatter A-Ø
  • Forfatter Ø-A
  • Tittel A-Ø
  • Tittel Ø-A
  • Type publikasjon A-Ø
  • Type publikasjon Ø-A
  • Eldste først
  • Nyeste først
  • Skapad (Eldste først)
  • Skapad (Nyeste først)
  • Senast uppdaterad (Eldste først)
  • Senast uppdaterad (Nyeste først)
  • Disputationsdatum (tidligste først)
  • Disputationsdatum (siste først)
Merk
Maxantalet träffar du kan exportera från sökgränssnittet är 250. Vid större uttag använd dig av utsökningar.
  • 51. Edfeldt, Gabriella
    et al.
    Lajoie, Julie
    Röhl, Maria
    Tjernlund, Annelie
    Wählby, Carolina
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för visuell information och interaktion. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion.
    Omollo, Kenneth Odiwuor
    Boily-Larouche, Genevieve
    Cheruiyot, Julianna
    Kimani, Makubo
    Kimani, Joshua
    Oyugi, Julius
    Fowke, Keith R.
    Broliden, Kristina
    Hormonal contraceptive use affects HIV susceptibility: mechanisms revealed by image analysis2017Inngår i: Scandinavian Journal of Immunology, ISSN 0300-9475, E-ISSN 1365-3083, Vol. 86, nr 4, s. 281-281Artikkel i tidsskrift (Annet vitenskapelig)
  • 52.
    Egevad, Lars
    et al.
    Uppsala universitet, Medicinska och farmaceutiska vetenskapsområdet, Medicinska fakulteten, Institutionen för genetik och patologi.
    Frimmel, Hans
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Centrum för bildanalys. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Datoriserad bildanalys.
    Mattson, Stefan
    Uppsala universitet, Humanistisk-samhällsvetenskapliga vetenskapsområdet, Samhällsvetenskapliga fakulteten, Institutionen för informationsvetenskap, Statistik.
    Bengtsson, Ewert
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Centrum för bildanalys. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Datoriserad bildanalys.
    Busch, Christer
    Uppsala universitet, Medicinska och farmaceutiska vetenskapsområdet, Medicinska fakulteten, Institutionen för genetik och patologi.
    Biopsy protocol stability in a three-dimensional model of prostate cancer: Changes in cancer yield after adjustment of biopsy positions1999Inngår i: Urology, ISSN 0090-4295, E-ISSN 1527-9995, Vol. 54, s. 862-868Artikkel i tidsskrift (Fagfellevurdert)
  • 53.
    Egevad, Lars
    et al.
    Uppsala universitet, Medicinska och farmaceutiska vetenskapsområdet, Medicinska fakulteten, Institutionen för genetik och patologi.
    Frimmel, Hans
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Centrum för bildanalys. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Datoriserad bildanalys.
    Norberg, Mona
    Uppsala universitet, Medicinska och farmaceutiska vetenskapsområdet, Medicinska fakulteten, Institutionen för onkologi, radiologi och klinisk immunologi, Enheten för radiologi.
    Mattson, Stefan
    Uppsala universitet, Humanistisk-samhällsvetenskapliga vetenskapsområdet, Samhällsvetenskapliga fakulteten, Institutionen för informationsvetenskap, Statistik.
    Carlbom, Ingrid
    Bengtsson, Ewert
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Centrum för bildanalys. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Datoriserad bildanalys.
    Busch, Christer
    Uppsala universitet, Medicinska och farmaceutiska vetenskapsområdet, Medicinska fakulteten, Institutionen för genetik och patologi.
    Three-dimensional computer reconstruction of prostate cancer from radical prostatectomy specimens: Evaluation of the model by core biopsy simulation1999Inngår i: Urology, ISSN 0090-4295, E-ISSN 1527-9995, Vol. 53, s. 192-198Artikkel i tidsskrift (Fagfellevurdert)
  • 54.
    Enghag, Sara
    et al.
    Uppsala universitet, Medicinska och farmaceutiska vetenskapsområdet, Medicinska fakulteten, Institutionen för kirurgiska vetenskaper, Öron-, näs- och halssjukdomar.
    Strömbäck, Karin
    Uppsala universitet, Medicinska och farmaceutiska vetenskapsområdet, Medicinska fakulteten, Institutionen för kirurgiska vetenskaper, Öron-, näs- och halssjukdomar.
    Li, Hao
    Uppsala universitet, Medicinska och farmaceutiska vetenskapsområdet, Medicinska fakulteten, Institutionen för medicinska vetenskaper. Uppsala universitet, Medicinska och farmaceutiska vetenskapsområdet, Medicinska fakulteten, Institutionen för kirurgiska vetenskaper, Öron-, näs- och halssjukdomar.
    Rohani, Seyed Alireza
    Western Univ, Dept Otolaryngol Head & Neck Surg, London, ON, Canada.
    Ladak, Hanif M.
    Western Univ, Dept Otolaryngol Head & Neck Surg, London, ON, Canada;Western Univ, Dept Med Biophys, London, ON, Canada;Western Univ, Dept Elect & Comp Engn, London, ON, Canada.
    Rask-Andersen, Helge
    Uppsala universitet, Medicinska och farmaceutiska vetenskapsområdet, Medicinska fakulteten, Institutionen för kirurgiska vetenskaper, Öron-, näs- och halssjukdomar.
    Agrawal, Sumit
    Western Univ, Dept Otolaryngol Head & Neck Surg, London, ON, Canada.
    Incus Necrosis and Blood Supply: A Micro-CT and Synchrotron Imaging Study2019Inngår i: Otology and Neurotology, ISSN 1531-7129, E-ISSN 1537-4505, Vol. 40, nr 7, s. E713-E722Artikkel i tidsskrift (Fagfellevurdert)
    Abstract [en]

    Background: Incus necrosis is a common complication following stapes surgery and is associated with impaired microcirculation. The objective of this study was to investigate the vascular anatomy of the human incus by using light microscopy, micro-computed tomography (micro-CT), and synchrotron phase-contrast imaging (SR-PCI) for a novel three-dimensional (3D) analysis of the middle ear, mucosal folds, major vascular pathways, and intraosseous vascular bone channels. Methods: One-hundred-and-fifty temporal bones from the Uppsala collection were analyzed under light microscopy. Twenty temporal bones underwent high-resolution micro-CT scanning, and an additional seven specimens underwent SR-PCI at the Canadian Lightsource in Saskatoon, Canada. One of these specimens was from an individual who had undergone stapes surgery. Data were processed with volume-rendering software to create 3D reconstructions using scalar opacity mapping for bone transparency, cropping, and soft tissue analyses. Results: Micro-CT and SR-PCI with 3D rendering revealed the extensive vascular plexus within the un-decalcified incus bone communicating with the exterior surface. The relationship between the vessels, lenticular process, and incudostape-dial joint were clearly observed. SR-PCI allowed for histologic-level detail while preserving the specimen and its 3D relationships. Conclusion: SR-PCI with 3D reconstructions confirmed the main vascular supply to the lenticular process along the intraosseous lenticular vessels. This is the first synchrotron analysis of a patient having undergone stapes surgery, and it suggests that incus necrosis associated with stapes surgery may be caused by a disruption of the lenticular blood flow induced by the prosthesis loop, and not by strangulation of mucosal vessels as has been previously described.

  • 55.
    Erkers, Julia
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Biologiska sektionen, Institutionen för biologisk grundutbildning.
    Towards automatic smartphone analysis for point-of-care microarray assays2016Independent thesis Advanced level (professional degree), 300 hpOppgave
    Abstract [en]

    Poverty and long distances are two reasons why some people in the third world countries hasdifficulties seeking medical help. A solution to the long distances could be if the medical carewas more mobile and diagnostically tests could be performed on site in villages. A new pointof-care test based on a small blood shows promising results both in run time and mobility.However, the method still needs more advanced equipment for analysis of the resultingmicroarray. This study has investigated the potential to perform the analysis within asmartphone application, performing all steps from image capturing to a diagnostic result. Theproject was approach in two steps, starting with implementation and selection of imageanalysis methods and finishing with implementing those results into an Android application.A final application was not developed, but the results gained from this project indicates that asmartphone processing power is enough to perform heavy image analysis within a sufficientamount of time. It also imply that the resolution in the evaluated images taken with a Nexus 6together with an external macro lens most likely is enough for the whole analysis, but furtherwork must be done to ensure it.

  • 56. Etterlin, P. E.
    et al.
    Ekman, S.
    Strand, Robin
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för visuell information och interaktion. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion.
    Olstad, K.
    Ley, C. J.
    Osteochondrosis, Synovial Fossae, and Articular Indentations in the Talus and Distal Tibia of Growing Domestic Pigs and Wild Boars2017Inngår i: Veterinary pathology, ISSN 0300-9858, E-ISSN 1544-2217, Vol. 54, nr 3, s. 445-456Artikkel i tidsskrift (Fagfellevurdert)
  • 57.
    Fakhrzadeh, Azadeh
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för visuell information och interaktion. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion.
    Computerized Cell and Tissue Analysis2015Doktoravhandling, med artikler (Annet vitenskapelig)
    Abstract [en]

    The latest advances in digital cameras combined with powerful computer software enable us to store high-quality microscopy images of specimen. Studying hundreds of images manually is very time consuming and has the problem of human subjectivity and inconsistency. Quantitative image analysis is an emerging field and has found its way into analysis of microscopy images for clinical and research purposes. When developing a pipeline, it is important that its components are simple enough to be generalized and have predictive value. This thesis addresses the automation of quantitative analysis of tissue in two different fields: pathology and plant biology.

    Testicular tissue is a complex structure consisting of seminiferous tubules. The epithelial layer of a seminiferous tubule contains cells that differentiate from primitive germ cells to spermatozoa in a number of steps. These steps are combined in 12 stages in the cycle of the seminiferous epithelium in the mink. The society of toxicological pathology recommends classifying the testicular epithelial into different stages when assessing tissue damage to determine if the dynamics in the spermatogenic cycle have been disturbed. This thesis presents two automated methods for fast and robust segmentation of tubules, and an automated method of staging them. For better accuracy and statistical analysis, we proposed to pool stages into 5 groups. This pooling is suggested based on the morphology of tubules. In the 5 stage case, the overall number of correctly classified tubules is 79.6%.

    Contextual information on the localization of fluorescence in microscopy images of plant specimen help us to better understand differentiation and maturation of stem cells into tissues. We propose a pipeline for automated segmentation and classification of the cells in a whole cross-section of Arabidopsis hypocotyl, stem, or root. As proof-of-concept that the classification provides a meaningful basis to group cells for fluorescence characterization, we probed tissues with an antibody specific to xylem vessels in the secondary cell wall. Fluorescence intensity in different classes of cells is measured by the pipeline. The measurement results clearly show that the xylem vessels are the dominant cell type that exhibit a fluorescence signal.

    Delarbeid
    1. Analyzing Tubular Tissue in Histopathological Thin Sections
    Åpne denne publikasjonen i ny fane eller vindu >>Analyzing Tubular Tissue in Histopathological Thin Sections
    2012 (engelsk)Inngår i: 2012 INTERNATIONAL CONFERENCE ON DIGITAL IMAGE COMPUTING TECHNIQUES AND APPLICATIONS (DICTA), IEEE conference proceedings, 2012, s. 1-6Konferansepaper, Publicerat paper (Fagfellevurdert)
    sted, utgiver, år, opplag, sider
    IEEE conference proceedings, 2012
    HSV kategori
    Identifikatorer
    urn:nbn:se:uu:diva-188548 (URN)10.1109/DICTA.2012.6411735 (DOI)000316318400071 ()
    Konferanse
    International Conference on Digital Image Computing Techniques and Applications (DICTA), 3-5 Dec, 2012, Fremantle, AUSTRALIA
    Tilgjengelig fra: 2012-12-17 Laget: 2012-12-17 Sist oppdatert: 2015-06-03bibliografisk kontrollert
    2. Epithelial Cell Segmentation in Histological Images of Testicular Tissue Using Graph-Cut
    Åpne denne publikasjonen i ny fane eller vindu >>Epithelial Cell Segmentation in Histological Images of Testicular Tissue Using Graph-Cut
    2013 (engelsk)Inngår i: Image Analysis and Processing – ICIAP 2013: Part II, 2013, s. 201-208Konferansepaper, Publicerat paper (Fagfellevurdert)
    Abstract [en]

    Computerized image processing has provided us with valuable tools for analyzing histology images. However, histology images are complex, and the algorithm which is developed for a data set may not work for a new and unseen data set. The preparation procedure of the tissue before imaging can significantly affect the resulting image. Even for the same staining method, factors like delayed fixation may alter the image quality. In this paper we face the challenging problem of designing a method that works on data sets with strongly varying quality. In environmental research, due to the distance between the site where the wild animals are caught and the laboratory, there is always a delay in fixation. Here we suggest a segmentation method based on the structural information of epithelium cell layer in testicular tissue. The cell nuclei are detected using the fast radial symmetry filter. A graph is constructed on top of the epithelial cells. Graph-cut optimization method is used to cut the links between cells of different tubules. The algorithm is tested on five different groups of animals. Group one is fixed immediately, three groups were left at room temperature for 18, 30 and 42 hours respectively, before fixation. Group five was frozen after 6 hours in room temperature and thawed. The suggested algorithm gives promising results for the whole data set.

    Serie
    Lecture Notes in Computer Science, ISSN 0302-9743 ; 8157
    HSV kategori
    Identifikatorer
    urn:nbn:se:uu:diva-210299 (URN)10.1007/978-3-642-41184-7_21 (DOI)000329811200021 ()978-3-642-41183-0 (ISBN)978-3-642-41184-7 (ISBN)
    Konferanse
    17th International Conference on Image Analysis and Processing (ICIAP), Naples, Italy, September 9-13, 2013
    Tilgjengelig fra: 2013-11-05 Laget: 2013-11-05 Sist oppdatert: 2015-06-03bibliografisk kontrollert
    3. Computerized Study of Developmental Stages in Mink Testicular Tissue
    Åpne denne publikasjonen i ny fane eller vindu >>Computerized Study of Developmental Stages in Mink Testicular Tissue
    Vise andre…
    (engelsk)Manuskript (preprint) (Annet vitenskapelig)
    HSV kategori
    Identifikatorer
    urn:nbn:se:uu:diva-252411 (URN)
    Tilgjengelig fra: 2015-05-06 Laget: 2015-05-06 Sist oppdatert: 2015-06-03
    4. Precision automation of cell type classification and sub-cellular fluorescence quantification from laser scanning confocal images
    Åpne denne publikasjonen i ny fane eller vindu >>Precision automation of cell type classification and sub-cellular fluorescence quantification from laser scanning confocal images
    2016 (engelsk)Inngår i: Frontiers in Plant Science, ISSN 1664-462X, E-ISSN 1664-462X, Vol. 7, artikkel-id 119Artikkel i tidsskrift (Fagfellevurdert) Published
    Abstract [en]

    While novel whole-plant phenotyping technologies have been successfully implemented into functional genomics and breeding programs, the potential of automated phenotyping with cellular resolution is largely unexploited. Laser scanning confocal microscopy has the potential to close this gap by providing spatially highly resolved images containing anatomic as well as chemical information on a subcellular basis. However, in the absence of automated methods, the assessment of the spatial patterns and abundance of fluorescent markers with subcellular resolution is still largely qualitative and time-consuming. Recent advances in image acquisition and analysis, coupled with improvements in microprocessor performance, have brought such automated methods within reach, so that information from thousands of cells per image for hundreds of images may be derived in an experimentally convenient time-frame. Here, we present a MATLAB-based analytical pipeline to (1) segment radial plant organs into individual cells, (2) classify cells into cell type categories based upon Random Forest classification, (3) divide each cell into sub-regions, and (4) quantify fluorescence intensity to a subcellular degree of precision for a separate fluorescence channel. In this research advance, we demonstrate the precision of this analytical process for the relatively complex tissues of Arabidopsis hypocotyls at various stages of development. High speed and robustness make our approach suitable for phenotyping of large collections of stem-like material and other tissue types.

    Emneord
    automated image analysis; confocal microscopy; Arabidopsis; hypocotyl; automated phenotyping; code:matlab
    HSV kategori
    Forskningsprogram
    Datoriserad bildbehandling
    Identifikatorer
    urn:nbn:se:uu:diva-252412 (URN)10.3389/fpls.2016.00119 (DOI)000369802700001 ()
    Forskningsfinansiär
    Bio4EnergyVINNOVA
    Tilgjengelig fra: 2016-02-09 Laget: 2015-05-06 Sist oppdatert: 2017-12-04bibliografisk kontrollert
    5. Effect of pre-fixation delay and freezing on mink testicular endpoints for environmental research
    Åpne denne publikasjonen i ny fane eller vindu >>Effect of pre-fixation delay and freezing on mink testicular endpoints for environmental research
    Vise andre…
    2015 (engelsk)Inngår i: PLoS ONE, ISSN 1932-6203, E-ISSN 1932-6203, Vol. 10, nr 5, artikkel-id e0125139Artikkel i tidsskrift (Fagfellevurdert) Published
    HSV kategori
    Forskningsprogram
    Datoriserad bildbehandling
    Identifikatorer
    urn:nbn:se:uu:diva-252410 (URN)10.1371/journal.pone.0125139 (DOI)000353887100081 ()25933113 (PubMedID)
    Tilgjengelig fra: 2015-05-01 Laget: 2015-05-06 Sist oppdatert: 2017-12-04bibliografisk kontrollert
  • 58.
    Fakhrzadeh, Azadeh
    et al.
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion.
    Sporndly-Nees, Ellinor
    Swedish Univ Agr Sci, Dept Anat Physiol & Biochem, Uppsala, Sweden..
    Ekstedt, Elisabeth
    Swedish Univ Agr Sci, Dept Anat Physiol & Biochem, Uppsala, Sweden..
    Holm, Lena
    Swedish Univ Agr Sci, Dept Anat Physiol & Biochem, Uppsala, Sweden..
    Luengo Hendriks, Cris L.
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion. U.
    New computerized staging method to analyze mink testicular tissue in environmental research2017Inngår i: Environmental Toxicology and Chemistry, ISSN 0730-7268, E-ISSN 1552-8618, Vol. 36, nr 1, s. 156-164Artikkel i tidsskrift (Fagfellevurdert)
    Abstract [en]

    Histopathology of testicular tissue is considered to be the most sensitive tool to detect adverse effects on male reproduction. When assessing tissue damage, seminiferous epithelium needs to be classified into different stages to detect certain cell damages; but stage identification is a demanding task. The authors present a method to identify the 12 stages in mink testicular tissue. The staging system uses Gata-4 immunohistochemistry to visualize acrosome development and proved to be both intraobserver-reproducible and interobserver-reproducible with a substantial agreement of 83.6% (kappa=0.81) and 70.5% (kappa=0.67), respectively. To further advance and objectify this method, they present a computerized staging system that identifies these 12 stages. This program has an agreement of 52.8% (kappa 0.47) with the consensus staging by 2 investigators. The authors propose a pooling of the stages into 5 groups based on morphology, stage transition, and toxicologically important endpoints. The computerized program then reached a substantial agreement of 76.7% (kappa=0.69). The computerized staging tool uses local ternary patterns to describe the texture of the tubules and a support vector machine classifier to learn which textures correspond to which stages. The results have the potential to modernize the tedious staging process required in toxicological evaluation of testicular tissue, especially if combined with whole-slide imaging and automated tubular segmentation. Environ Toxicol Chem 2017;36:156-164.

  • 59.
    Fakhrzadeh, Azadeh
    et al.
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för visuell information och interaktion. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion.
    Spörndly-Nees, Ellinor
    Swedish University of Agricultural Sciences.
    Holm, Lena
    Swedish University of Agricultural Sciences.
    Luengo Hendriks, Cris L.
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för visuell information och interaktion. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion.
    Analyzing Tubular Tissue in Histopathological Thin Sections2012Inngår i: 2012 INTERNATIONAL CONFERENCE ON DIGITAL IMAGE COMPUTING TECHNIQUES AND APPLICATIONS (DICTA), IEEE conference proceedings, 2012, s. 1-6Konferansepaper (Fagfellevurdert)
  • 60.
    Fakhrzadeh, Azadeh
    et al.
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för visuell information och interaktion. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion.
    Spörndly-Nees, Ellinor
    Swedish University of Agricultural Sciences.
    Holm, Lena
    Swedish University of Agricultural Sciences.
    Luengo Hendriks, Cris L.
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för visuell information och interaktion. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion.
    Automated measurement of epithelial height of testicular tissue2012Inngår i: Proceedings of Swedish Society for Image Analysis, SSBA 2012, Stockholm: KTH Royal Institute of Technology, 2012Konferansepaper (Annet vitenskapelig)
  • 61.
    Fakhrzadeh, Azadeh
    et al.
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för visuell information och interaktion. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion.
    Spörndly-Nees, Ellinor
    Swedish University of Agricultural Sciences.
    Holm, Lena
    Swedish University of Agricultural Sciences.
    Luengo Hendriks, Cris L.
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för visuell information och interaktion. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion.
    Epithelial Cell Layer Segmentation UsingGraph-cut and Its Application in TesticularTissue2013Konferansepaper (Fagfellevurdert)
  • 62.
    Fakhrzadeh, Azadeh
    et al.
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för visuell information och interaktion. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion.
    Spörndly-Nees, Ellinor
    Swedish University of Agricultural Sciences.
    Holm, Lena
    Swedish University of Agricultural Sciences.
    Luengo Hendriks, Cris L.
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för visuell information och interaktion. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion.
    Epithelial Cell Segmentation in Histological Images of Testicular Tissue Using Graph-Cut2013Inngår i: Image Analysis and Processing – ICIAP 2013: Part II, 2013, s. 201-208Konferansepaper (Fagfellevurdert)
    Abstract [en]

    Computerized image processing has provided us with valuable tools for analyzing histology images. However, histology images are complex, and the algorithm which is developed for a data set may not work for a new and unseen data set. The preparation procedure of the tissue before imaging can significantly affect the resulting image. Even for the same staining method, factors like delayed fixation may alter the image quality. In this paper we face the challenging problem of designing a method that works on data sets with strongly varying quality. In environmental research, due to the distance between the site where the wild animals are caught and the laboratory, there is always a delay in fixation. Here we suggest a segmentation method based on the structural information of epithelium cell layer in testicular tissue. The cell nuclei are detected using the fast radial symmetry filter. A graph is constructed on top of the epithelial cells. Graph-cut optimization method is used to cut the links between cells of different tubules. The algorithm is tested on five different groups of animals. Group one is fixed immediately, three groups were left at room temperature for 18, 30 and 42 hours respectively, before fixation. Group five was frozen after 6 hours in room temperature and thawed. The suggested algorithm gives promising results for the whole data set.

  • 63. Freitag, C.
    et al.
    Noble, C.
    Fritzsche, J.
    Persson, F
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Biologiska sektionen, Institutionen för cell- och molekylärbiologi, Beräknings- och systembiologi.
    Reiter-Schad, M.
    Nilsson, A. N.
    Graneli, A.
    Ambjoernsson, T.
    Mir, K. U.
    Tegenfeldt, J. O.
    Visualizing the entire DNA from a chromosome in a single frame2015Inngår i: Biomicrofluidics, ISSN 1932-1058, E-ISSN 1932-1058, Vol. 9, nr 4, artikkel-id 044114Artikkel i tidsskrift (Fagfellevurdert)
    Abstract [en]

    The contiguity and phase of sequence information are intrinsic to obtain complete understanding of the genome and its relationship to phenotype. We report the fabrication and application of a novel nanochannel design that folds megabase lengths of genomic DNA into a systematic back-and-forth meandering path. Such meandering nanochannels enabled us to visualize the complete 5.7 Mbp (1mm) stained DNA length of a Schizosaccharomyces pombe chromosome in a single frame of a CCD. We were able to hold the DNA in situ while implementing partial denaturation to obtain a barcode pattern that we could match to a reference map using the Poland-Scheraga model for DNA melting. The facility to compose such long linear lengths of genomic DNA in one field of view enabled us to directly visualize a repeat motif, count the repeat unit number, and chart its location in the genome by reference to unique barcode motifs found at measurable distances from the repeat. Meandering nanochannel dimensions can easily be tailored to human chromosome scales, which would enable the whole genome to be visualized in seconds.

  • 64.
    Frimmel, Hans
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Centrum för bildanalys. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Datoriserad bildanalys.
    Biopsy Needle Optimisation1997Inngår i: Proc. 10th Scandinavian Conference on Image Analysis, Pattern Recognition Society of Finland , 1997, s. 381-387Konferansepaper (Fagfellevurdert)
  • 65.
    Frimmel, Hans
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Centrum för bildanalys.
    Positioning Biopsy Needles in the Prostate Gland Using 3D Computer Modelling1999Doktoravhandling, med artikler (Annet vitenskapelig)
    Abstract [en]

    In the world of medicine, image diagnostics have, until recently, been based merely on two dimensional information sources. The understanding of three dimensional structures has been limited to creating mental images in the mind of the physician, to wax models and to autopsy. In the last few years, computers have made it possible to model and reconstruct real three dimensional objects and thus give the physician a new tool not only to describe localisation and distribution patterns of diseases, above all cancer, but also as an aid in the understanding of the human body. This thesis contributes in the development of such tools, based on a specific application.

    Prostate cancer is for men the most common form of cancer. Improvement in diagnostics for this form of cancer would facilitate planning of treatment and hence save, and preserve the quality of, life. One way to diagnose and quantify prostate cancer is to assess its presence and malignancy grade in cylindrical tissue samples taken with a needle biopsy device. Today, two to six such samples are generally taken, with poorly standardised rules for the positioning of the needle, thus interindividual variation exists.

    In this thesis, 3D models to analyse the problem with the positioning of biopsy needles have been developed. By using information from physical prostates removed from patients by surgery, a 3D cancer probability distribution has been built. Using this information, a standardised biopsy needle protocol has been created that is efficient, stable and easy to use. In this process new methods for morphing images, registrating slices and optimising positions for use with computer modelling have been developed.

    Many physicians were involved in the study. Thus, an important part of the work has been to make every part of the work understandable for people without special computer programming knowledge. Also, efforts have been made to make it possible to easily examine every piece of information created in order to verify the correctness of the methods used.

  • 66.
    Frimmel, Hans
    et al.
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för teknisk databehandling. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Datoriserad bildanalys.
    Acosta, Oscar
    Fenster, Aaron
    Ourselin, Sébastien
    Reduction of attenuation effects in 3D transrectal ultrasound images2007Inngår i: Medical Imaging 2007: Ultrasonic Imaging and Signal Processing, Bellingham, WA, 2007, s. 65130Z:1-8Konferansepaper (Fagfellevurdert)
  • 67.
    Frimmel, Hans
    et al.
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Centrum för bildanalys. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Datoriserad bildanalys.
    Egevad, Lars
    Bengtsson, Ewert
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Centrum för bildanalys. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Datoriserad bildanalys.
    Busch, Christer
    Uppsala universitet, Medicinska och farmaceutiska vetenskapsområdet, Medicinska fakulteten, Institutionen för genetik och patologi.
    Modeling prostate cancer distributions1999Inngår i: Urology, ISSN 0090-4295, E-ISSN 1527-9995, Vol. 54, s. 1028-1034Artikkel i tidsskrift (Fagfellevurdert)
  • 68.
    Frimmel, Hans
    et al.
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Centrum för bildanalys. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Datoriserad bildanalys.
    Egevad, Lars
    Busch, Christer
    Bengtsson, Ewert
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Centrum för bildanalys. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Datoriserad bildanalys.
    Automatic registration and error detection of multiple slices using landmarks2001Inngår i: Analytical Cellular Pathology, ISSN 0921-8912, E-ISSN 1878-3651, Vol. 23, s. 159-165Artikkel i tidsskrift (Fagfellevurdert)
  • 69.
    Frimmel, Hans
    et al.
    Uppsala universitet, Medicinska och farmaceutiska vetenskapsområdet, Medicinska fakulteten, Institutionen för onkologi, radiologi och klinisk immunologi, Enheten för radiologi. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för teknisk databehandling. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Datoriserad bildanalys.
    Näppi, Janne
    Yoshida, Hiroyuki
    Centerline-based colon segmentation for CT colonography2005Inngår i: Medical physics (Lancaster), ISSN 0094-2405, Vol. 32, s. 2665-2672Artikkel i tidsskrift (Fagfellevurdert)
  • 70.
    Frimmel, Hans
    et al.
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för teknisk databehandling. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Datoriserad bildanalys.
    Näppi, Janne
    Yoshida, Hiroyuki
    Fast and robust computation of colon centerline in CT colonography2004Inngår i: Medical physics (Lancaster), ISSN 0094-2405, Vol. 31, s. 3046-3056Artikkel i tidsskrift (Fagfellevurdert)
  • 71.
    Galderisi, Maurizio
    et al.
    ] Federico II Univ Hosp, Interdept Lab Cardiac Imaging, Naples, Italy.
    Cosyns, Bernard
    Univ Ziekenhuis Brussel, CHVZ Ctr Hart Vaatziekten, Brussels, Belgium.
    Edvardsen, Thor
    Univ Oslo, Dept Cardiol, Oslo Univ Hosp, Rikshosp, Oslo, Norway.
    Cardim, Nuno
    Hosp da Luz, Echocardiog Lab, Lisbon, Portugal.
    Delgado, Victoria
    Leiden Univ, Med Ctr, Dept Cardiol, Leiden, Netherlands.
    Di Salvo, Giovanni
    Royal Brompton Hosp, Pediat Cardiol, London, England.
    Donal, Erwan
    Univ Rennes, Cardiol, LTSI INSERM , Rennes, France.
    Sade, Leyla Elif
    Baskent Univ, Ankara, Turkey.
    Ernande, Laura
    Univ Paris Est Creteil, Henri Mondor Hosp, AP HP, Dept Physiol, Creteil, France.
    Garbi, Madalina
    Kings Coll Hosp NHS Fdn Trust, Denmark Hill, London, England.
    Grapsa, Julia
    Imperial Coll London, Dept Cardiovascular Sci, London, England.
    Hagendorff, Andreas
    Univ Leipzig, Dept Cardiol Angiol, Echokardiog Labore Univ Klinikums AoR, Leipzig, Germany.
    Kamp, Otto
    Vrije Univ Amsterdam, Med Ctr, Dept Cardiol, Amsterdam, Netherlands.
    Magne, Julien
    CHU Limoges, Hop Dupuytren, Serv Cardiol, F-87042 Limoges, France.
    Santoro, Ciro
    Federico II Univ Hosp, Interdept Lab Cardiac Imaging, Naples, Italy.
    Stefanidis, Alexandros
    Gen Hosp Nikea, Dept Cardiol 1, 3 P Mela Str, Athens, Greece.
    Lancellotti, Patrizio
    Univ Liege Hosp, GIGA Cardiovasc Sci, Heart Valve Clin, Imaging Cardiol, Liege, Belgium.
    Popescu, Bogdan
    Univ Med & Pharm Carol Davila Euroecolab, Inst Cardiovasc Dis, Bucharest, Romania.
    Habib, Gilbert
    Aix Marseille Univ, Aix Aix Marseille Univ, URMITE, UM63,CNRS 7278,IRD 198,INSERM 1095, Marseille, France.
    Standardization of adult transthoracic echocardiography reporting in agreement with recent chamber quantification, diastolic function, and heart valve disease recommendations: an expert consensus document of the European Association of Cardiovascular Imaging2017Inngår i: European Heart Journal Cardiovascular Imaging, ISSN 2047-2404, E-ISSN 2047-2412, Vol. 18, nr 12, s. 1301-1310Artikkel i tidsskrift (Fagfellevurdert)
    Abstract [en]

    Aims This European Association Cardiovascular Imaging (EACVI) Expert Consensus document aims at defining the main quantitative information on cardiac structure and function that needs to be included in standard echocardiographic report following recent ASE/EACVI chamber quantification, diastolic function, and heart valve disease recommendations. The document focuses on general reporting and specific pathological conditions such as heart failure, coronary artery and valvular heart disease, cardiomyopathies, and systemic diseases. Methods and results Demographic data (age, body surface area, blood pressure, and heart rhythm and rate), type (vendor and model) of ultrasound system used and image quality need to be reported. In addition, measurements should be normalized for body size. Reference normal values, derived by ASE/EACVI recommendations, shall always be reported to differentiate normal from pathological conditions. This Expert Consensus document suggests avoiding the surveillance of specific variable using different ultrasound techniques (e.g. in echo labs with high expertise in left ventricular ejection fraction by 3D and not by 2D echocardiography). The report should be also tailored in relation with different cardiac pathologies, quality of images, and needs of the caregivers. Conclusion The conclusion should be concise reflecting the status of left ventricular structure and function, the presence of left atrial and/or aortic dilation, right ventricular dysfunction, and pulmonary hypertension, leading to an objective communication with the patient health caregiver. Variation over time should be considered carefully, taking always into account the consistency of the parameters used for comparison.

  • 72. García-Olalla, Oscar
    et al.
    Alegre, Enrique
    Fernández-Robles, Laura
    Malm, Patrik
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för visuell information och interaktion. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion.
    Bengtsson, Ewert
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för visuell information och interaktion. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion.
    Acrosome integrity assessment of boar spermatozoa images using an early fusion of texture and contour descriptors2015Inngår i: Computer Methods and Programs in Biomedicine, ISSN 0169-2607, E-ISSN 1872-7565, Vol. 120, nr 1, s. 49-64Artikkel i tidsskrift (Fagfellevurdert)
  • 73.
    Gavrilovic, Milan
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Centrum för bildanalys. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion.
    Spectral Image Processing with Applications in Biotechnology and Pathology2011Doktoravhandling, med artikler (Annet vitenskapelig)
    Abstract [en]

    Color theory was first formalized in the seventeenth century by Isaac Newton just a couple of decades after the first microscope was built. But it was not until the twentieth century that technological advances led to the integration of color theory, optical spectroscopy and light microscopy through spectral image processing. However, while the focus of image processing often concerns modeling of how images are perceived by humans, the goal of image processing in natural sciences and medicine is the objective analysis. This thesis is focused on color theory that promotes quantitative analysis rather than modeling how images are perceived by humans.

    Color and fluorescent dyes are routinely added to biological specimens visualizing features of interest. By applying spectral image processing to histopathology, subjectivity in diagnosis can be minimized, leading to a more objective basis for a course of treatment planning. Also, mathematical models for spectral image processing can be used in biotechnology research increasing accuracy and throughput, and decreasing bias.

    This thesis presents a model for spectral image formation that applies to both fluorescence and transmission light microscopy. The inverse model provides estimates of the relative concentration of each individual component in the observed mixture of dyes. Parameter estimation for the model is based on decoupling light intensity and spectral information. This novel spectral decomposition method consists of three steps: (1) photon and semiconductor noise modeling providing smoothing parameters, (2) image data transformation to a chromaticity plane removing  intensity variation while maintaining chromaticity differences, and (3) a piecewise linear decomposition combining advantages of spectral angle mapping and linear decomposition yielding relative dye concentrations.

    The methods described herein were used for evaluation of molecular biology techniques as well as for quantification and interpretation of image-based measurements. Examples of successful applications comprise quantification of colocalization, autofluorescence removal, classification of multicolor rolling circle products, and color decomposition of histological images.

    Delarbeid
    1. Quantification of colocalization and cross-talk based on spectral angles
    Åpne denne publikasjonen i ny fane eller vindu >>Quantification of colocalization and cross-talk based on spectral angles
    2009 (engelsk)Inngår i: Journal of Microscopy, ISSN 0022-2720, E-ISSN 1365-2818, Vol. 234, nr 3, s. 311-324Artikkel i tidsskrift (Fagfellevurdert) Published
    Abstract [en]

    Common methods for quantification of colocalization in fluorescence microscopy typically require cross-talk free images or images where cross-talk has been eliminated by image processing, as they are based on intensity thresholding. Quantification of colocalization includes not only calculating a global measure of the degree of colocalization within an image, but also a classification of each image pixel as showing colocalized signals or not. In this paper, we present a novel, automated method for quantification of colocalization and classification of image pixels. The method, referred to as SpecDec, is based on an algorithm for spectral decomposition of multispectral data borrowed from the field of remote sensing. Pixels are classified based on hue rather than intensity. The hue distribution is presented as a histogram created by a series of steps that compensate for the quantization noise always present in digital image data, and classification rules are thereafter based on the shape of the angle histogram. Detection of colocalized signals is thus only dependent on the hue, making it possible to classify also low-intensity objects, and decoupling image segmentation from detection of colocalization. Cross-talk will show up as shifts of the peaks of the histogram, and thus a shift of the classification rules, making the method essentially insensitive to cross-talk. The method can also be used to quantify and compensate for cross-talk, independent of the microscope hardware.

    sted, utgiver, år, opplag, sider
    Oxford, UK: Blackwell Publishing, 2009
    Emneord
    Colocalization, cross-talk, fluorescence microscopy, image analysis
    HSV kategori
    Forskningsprogram
    Datoriserad bildanalys
    Identifikatorer
    urn:nbn:se:uu:diva-111376 (URN)10.1111/j.1365-2818.2009.03170.x (DOI)000266180400011 ()19493110 (PubMedID)
    Prosjekter
    EU-Strep project ENLIGHT (ENhanced LIGase based Histochemical Techniques)
    Tilgjengelig fra: 2009-12-15 Laget: 2009-12-11 Sist oppdatert: 2018-01-12bibliografisk kontrollert
    2. Suppression of Autofluorescence based on Fuzzy Classification by Spectral Angles
    Åpne denne publikasjonen i ny fane eller vindu >>Suppression of Autofluorescence based on Fuzzy Classification by Spectral Angles
    2009 (engelsk)Inngår i: Optical Tissue Image analysis in Microscopy, Histopathology and Endoscopy (OPTIMHisE): A satellite workshop associated with MICCAI / [ed] Daniel Elson and Nasir Rajpoot, London, 2009, s. 135-146Konferansepaper, Publicerat paper (Fagfellevurdert)
    Abstract [en]

    Background fluorescence, also known as autofluorescence, and cross-talk are two problems in fluorescence microscopy that stem from similar phenomena. When biological specimens are imaged, the detected signal often contains contributions from fluorescence originating from sources other than the imaged fluorophore. This fluorescence could either come from the specimen itself (autofluorescence), or from fluorophores with partly overlapping emission spectra (cross-talk). In order to resolve spectral components at least two distinct wavelength intervals have to be imaged. This paper shows how autofluorescence can be presented statistically using a spectral angle histogram. Pixel classification by spectral angles was previously developed for detection and quantification of colocalization. Here we show how the spectral angle histogram can be employed to suppress autofluorescence. First, classical background subtraction (also referred to as linear unmixing) is presented in the form of a fuzzy classification by spectral angles. A modification of the fuzzy classification rules is also presented and we show that sigmoid membership functions lead to better suppression of background and amplification of true signals.

    sted, utgiver, år, opplag, sider
    London: , 2009
    Emneord
    autofluorescence, fluorescence microscopy, multispectral image analysis, fuzzy classification, dimensionality reduction
    HSV kategori
    Forskningsprogram
    Datoriserad bildanalys
    Identifikatorer
    urn:nbn:se:uu:diva-111374 (URN)978-0-9563776-0-9 (ISBN)
    Konferanse
    MICCAI 2009, the 12th International Conference on Medical Image Computing and Computer Assisted Intervention
    Prosjekter
    EU-Strep project ENLIGHT (ENhanced LIGase based Histochemical Techniques)
    Tilgjengelig fra: 2009-12-16 Laget: 2009-12-11 Sist oppdatert: 2018-01-12bibliografisk kontrollert
    3. Automated Classification of Multicolored Rolling Circle Products in Dual-Channel Wide-Field Fluorescence Microscopy
    Åpne denne publikasjonen i ny fane eller vindu >>Automated Classification of Multicolored Rolling Circle Products in Dual-Channel Wide-Field Fluorescence Microscopy
    Vise andre…
    2011 (engelsk)Inngår i: Cytometry Part A, ISSN 1552-4922, Vol. 79A, nr 7, s. 518-527Artikkel i tidsskrift (Fagfellevurdert) Published
    Abstract [en]

    Specific single-molecule detection opens new possibilities in genomics and proteomics, and automated image analysis is needed for accurate quantification. This work presents image analysis methods for the detection and classification of single molecules and single-molecule interactions detected using padlock probes or proximity ligation. We use simple, widespread, and cost-efficient wide-field microscopy and increase detection multiplexity by labeling detection events with combinations of fluorescence dyes. The mathematical model presented herein can classify the resulting point-like signals in dual-channel images by spectral angles without discriminating between low and high intensity. We evaluate the methods on experiments with known signal classes and compare to classical classification algorithms based on intensity thresholding. We also demonstrate how the methods can be used as tools to evaluate biochemical protocols by measuring detection probe quality and accuracy. Finally, the method is used to evaluate single-molecule detection events in situ.

    HSV kategori
    Identifikatorer
    urn:nbn:se:uu:diva-156962 (URN)10.1002/cyto.a.21087 (DOI)000292947900004 ()
    Tilgjengelig fra: 2011-08-20 Laget: 2011-08-11 Sist oppdatert: 2018-01-12bibliografisk kontrollert
    4. Blind Color Decomposition of Histological Images
    Åpne denne publikasjonen i ny fane eller vindu >>Blind Color Decomposition of Histological Images
    Vise andre…
    2013 (engelsk)Inngår i: IEEE Transactions on Medical Imaging, ISSN 0278-0062, E-ISSN 1558-254X, Vol. 32, nr 6, s. 983-994Artikkel i tidsskrift (Fagfellevurdert) Published
    Abstract [en]

    Cancer diagnosis is based on visual examination under a microscope of tissue sections from biopsies. But whereas pathologists rely on tissue stains to identify morphological features, automated tissue recognition using color is fraught with problems that stem from image intensity variations due to variations in tissue preparation, variations in spectral signatures of the stained tissue, spectral overlap and spatial aliasing in acquisition, and noise at image acquisition. We present a blind method for color decomposition of histological images. The method decouples intensity from color information and bases the decomposition only on the tissue absorption characteristics of each stain. By modeling the charge-coupled device sensor noise, we improve the method accuracy. We extend current linear decomposition methods to include stained tissues where one spectral signature cannot be separated from all combinations of the other tissues' spectral signatures. We demonstrate both qualitatively and quantitatively that our method results in more accurate decompositions than methods based on non-negative matrix factorization and independent component analysis. The result is one density map for each stained tissue type that classifies portions of pixels into the correct stained tissue allowing accurate identification of morphological features that may be linked to cancer.

    HSV kategori
    Forskningsprogram
    Datoriserad bildbehandling
    Identifikatorer
    urn:nbn:se:uu:diva-160312 (URN)10.1109/TMI.2013.2239655 (DOI)000319701800002 ()
    Tilgjengelig fra: 2011-10-21 Laget: 2011-10-21 Sist oppdatert: 2018-12-02
  • 74.
    Gavrilovic, Milan
    et al.
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för visuell information och interaktion.
    Azar, Jimmy
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för visuell information och interaktion. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion.
    Lindblad, Joakim
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för visuell information och interaktion.
    Wählby, Carolina
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för visuell information och interaktion. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion. Uppsala universitet, Science for Life Laboratory, SciLifeLab.
    Bengtsson, Ewert
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för visuell information och interaktion. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion.
    Busch, Christer
    Uppsala universitet, Medicinska och farmaceutiska vetenskapsområdet, Medicinska fakulteten, Institutionen för immunologi, genetik och patologi, Molekylär och morfologisk patologi.
    Carlbom, Ingrid
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion.
    Blind Color Decomposition of Histological Images2013Inngår i: IEEE Transactions on Medical Imaging, ISSN 0278-0062, E-ISSN 1558-254X, Vol. 32, nr 6, s. 983-994Artikkel i tidsskrift (Fagfellevurdert)
    Abstract [en]

    Cancer diagnosis is based on visual examination under a microscope of tissue sections from biopsies. But whereas pathologists rely on tissue stains to identify morphological features, automated tissue recognition using color is fraught with problems that stem from image intensity variations due to variations in tissue preparation, variations in spectral signatures of the stained tissue, spectral overlap and spatial aliasing in acquisition, and noise at image acquisition. We present a blind method for color decomposition of histological images. The method decouples intensity from color information and bases the decomposition only on the tissue absorption characteristics of each stain. By modeling the charge-coupled device sensor noise, we improve the method accuracy. We extend current linear decomposition methods to include stained tissues where one spectral signature cannot be separated from all combinations of the other tissues' spectral signatures. We demonstrate both qualitatively and quantitatively that our method results in more accurate decompositions than methods based on non-negative matrix factorization and independent component analysis. The result is one density map for each stained tissue type that classifies portions of pixels into the correct stained tissue allowing accurate identification of morphological features that may be linked to cancer.

  • 75.
    Gavrilovic, Milan
    et al.
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Centrum för bildanalys. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion.
    Jimmy, Azar
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Centrum för bildanalys.
    Busch, Christer
    Uppsala universitet, Medicinska och farmaceutiska vetenskapsområdet, Medicinska fakulteten, Institutionen för immunologi, genetik och patologi, Molekylär och morfologisk patologi.
    Carlbom, Ingrid
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Centrum för bildanalys.
    Tissue Separation for Quantitative Malignancy Grading of Prostate Cancer2011Inngår i: Abstracts of Medicinteknikdagarna 2011, 2011, s. 32-32Konferansepaper (Annet vitenskapelig)
  • 76.
    Gay, Jo
    et al.
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för visuell information och interaktion. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion.
    Harlin, Hugo
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för visuell information och interaktion.
    Wetzer, Elisabeth
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för visuell information och interaktion. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion.
    Lindblad, Joakim
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för visuell information och interaktion.
    Sladoje, Natasa
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för visuell information och interaktion. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion.
    Oral Cancer Detection: A Comparison of Texture Focused Deep Learning Approaches2019Inngår i: Proceedings of the Swedish Society for Automated Image Analysis (SSBA), 2019Konferansepaper (Annet vitenskapelig)
  • 77. Gibbs, Anna
    et al.
    Buggert, Marcus
    Ranefall, Petter
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för visuell information och interaktion. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion. Uppsala universitet, Science for Life Laboratory, SciLifeLab.
    Introini, Andrea
    Cheuk, Stanley
    Eidsmo, Liv
    Hirbod, Taha
    Ball, Terry B.
    Kimani, Joshua
    Kaul, Rupert
    Karlsson, Annika C.
    Wählby, Carolina
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för visuell information och interaktion. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion. Uppsala universitet, Science for Life Laboratory, SciLifeLab.
    Broliden, Kristina
    Tjernlund, Annelie
    Analysis of the distribution of CD103 on CD8 T cells in blood and genital mucosa of HIV-infected female sex workers2016Inngår i: AIDS Research and Human Retroviruses, ISSN 0889-2229, E-ISSN 1931-8405, Vol. 32, nr S1, s. 307-307Artikkel i tidsskrift (Fagfellevurdert)
  • 78.
    Gifford, Aliya
    et al.
    Vanderbilt University Institute of Imaging Science.
    Kullberg, Joel
    Uppsala universitet, Medicinska och farmaceutiska vetenskapsområdet, Medicinska fakulteten, Institutionen för radiologi, onkologi och strålningsvetenskap, Enheten för radiologi.
    Berglund, Johan
    Uppsala universitet, Medicinska och farmaceutiska vetenskapsområdet, Medicinska fakulteten, Institutionen för radiologi, onkologi och strålningsvetenskap, Enheten för radiologi.
    Malmberg, Filip
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för visuell information och interaktion.
    Coate, Katie C.
    Vanderbilt University School of Medicine.
    Williams, Phillip E.
    Vanderbilt University School of Medicine.
    Cherrington, Alan D.
    Vanderbilt University School of Medicine.
    Avison, Malcolm J.
    Vanderbilt University School of Medicine.
    Welch, E. Brian
    Vanderbilt University School of Medicine.
    Canine body composition quantification using 3 tesla fat–water MRI2014Inngår i: Journal of Magnetic Resonance Imaging, ISSN 1053-1807, E-ISSN 1522-2586, Vol. 39, nr 2, s. 485-491Artikkel i tidsskrift (Fagfellevurdert)
    Abstract [en]

    Purpose

    To test the hypothesis that a whole-body fat–water MRI (FWMRI) protocol acquired at 3 Tesla combined with semi-automated image analysis techniques enables precise volume and mass quantification of adipose, lean, and bone tissue depots that agree with static scale mass and scale mass changes in the context of a longitudinal study of large-breed dogs placed on an obesogenic high-fat, high-fructose diet.

    Materials and Methods

    Six healthy adult male dogs were scanned twice, at weeks 0 (baseline) and 4, of the dietary regiment. FWMRI-derived volumes of adipose tissue (total, visceral, and subcutaneous), lean tissue, and cortical bone were quantified using a semi-automated approach. Volumes were converted to masses using published tissue densities.

    Results

    FWMRI-derived total mass corresponds with scale mass with a concordance correlation coefficient of 0.931 (95% confidence interval = [0.813, 0.975]), and slope and intercept values of 1.12 and −2.23 kg, respectively. Visceral, subcutaneous and total adipose tissue masses increased significantly from weeks 0 to 4, while neither cortical bone nor lean tissue masses changed significantly. This is evidenced by a mean percent change of 70.2% for visceral, 67.0% for subcutaneous, and 67.1% for total adipose tissue.

    Conclusion

    FWMRI can precisely quantify and map body composition with respect to adipose, lean, and bone tissue depots. The described approach provides a valuable tool to examine the role of distinct tissue depots in an established animal model of human metabolic disease.

  • 79.
    Gupta, Anindya
    et al.
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för visuell information och interaktion.
    Harrison, Philip J.
    Uppsala universitet, Medicinska och farmaceutiska vetenskapsområdet, Farmaceutiska fakulteten, Institutionen för farmaceutisk biovetenskap.
    Wieslander, Håkan
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för visuell information och interaktion.
    Pielawski, Nicolas
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för visuell information och interaktion.
    Kartasalo, Kimmo
    Partel, Gabriele
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för visuell information och interaktion.
    Solorzano, Leslie
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för visuell information och interaktion.
    Suveer, Amit
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för visuell information och interaktion.
    Klemm, Anna H.
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för visuell information och interaktion. Uppsala universitet, Science for Life Laboratory, SciLifeLab.
    Spjuth, Ola
    Uppsala universitet, Medicinska och farmaceutiska vetenskapsområdet, Farmaceutiska fakulteten, Institutionen för farmaceutisk biovetenskap.
    Sintorn, Ida-Maria
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för visuell information och interaktion. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion.
    Wählby, Carolina
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för visuell information och interaktion. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion.
    Deep Learning in Image Cytometry: A Review2019Inngår i: Cytometry Part A, ISSN 1552-4922, E-ISSN 1552-4930, Vol. 95, nr 6, s. 366-380Artikkel, forskningsoversikt (Fagfellevurdert)
  • 80.
    Gupta, Anindya
    et al.
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för visuell information och interaktion. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion.
    Saar, Tonis
    Martens, Olev
    Le Moullec, Yannick
    Automatic detection of multisize pulmonary nodules in CT images: Large-scale validation of the false-positive reduction step2018Inngår i: Medical physics (Lancaster), ISSN 0094-2405, Vol. 45, nr 3, s. 1135-1149Artikkel i tidsskrift (Fagfellevurdert)
  • 81.
    Gupta, Anindya
    et al.
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för visuell information och interaktion.
    Suveer, Amit
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion.
    Bajic, Buda
    Faculty of Technical Sciences, University of Novi Sad, Serbia.
    Pepic, Ivana
    Faculty of Technical Sciences, University of Novi Sad, Serbia.
    Lindblad, Joakim
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för visuell information och interaktion.
    Sladoje, Natasa
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för visuell information och interaktion. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion.
    Sintorn, Ida-Maria
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för visuell information och interaktion.
    Denoising of Short Exposure Transmission Electron Microscopy Images using CNN2018Inngår i: Swedish Symposium on Image Analysis, 2018Konferansepaper (Annet vitenskapelig)
  • 82. Gupta, Anindya
    et al.
    Suveer, Amit
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för visuell information och interaktion. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion.
    Lindblad, Joakim
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för visuell information och interaktion. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion.
    Dragomir, Anca
    Uppsala universitet, Medicinska och farmaceutiska vetenskapsområdet, Medicinska fakulteten, Institutionen för immunologi, genetik och patologi, Klinisk och experimentell patologi.
    Sintorn, Ida-Maria
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för visuell information och interaktion. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion.
    Sladoje, Natasa
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för visuell information och interaktion. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion.
    False positive reduction of cilia detected in low resolution TEM images using a convolutional neural network2017Inngår i: Swedish Symposium on Image Analysis, Swedish Society for Automated Image Analysis , 2017Konferansepaper (Annet vitenskapelig)
  • 83.
    Hall, Håkan
    et al.
    Uppsala universitet, Medicinska och farmaceutiska vetenskapsområdet, Farmaceutiska fakulteten, Institutionen för läkemedelskemi, Plattformen för preklinisk PET.
    Takahashi, Kayo
    Center for Molecular Imaging Science, Kobe, Japan.
    Erlandsson, Maria
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Kemiska sektionen, Institutionen för kemi - BMC.
    Estrada, Sergio
    Uppsala universitet, Medicinska och farmaceutiska vetenskapsområdet, Farmaceutiska fakulteten, Institutionen för läkemedelskemi, Plattformen för preklinisk PET.
    Razifar, Pasha
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för visuell information och interaktion. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion.
    Bergström, Elisabeth
    Uppsala Imanet, Uppsala, Sweden.
    Långström, Bengt
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Kemiska sektionen, Institutionen för kemi - BMC, Fysikalisk-organisk kemi.
    Pharmacological characterization of 18F-labeled vorozole analogs2012Inngår i: Journal of labelled compounds & radiopharmaceuticals, ISSN 0362-4803, E-ISSN 1099-1344, Vol. 55, nr 14, s. 484-490Artikkel i tidsskrift (Fagfellevurdert)
    Abstract [en]

    Two F-18-labeled analogs of vorozole ([F-18]FVOZ and [F-18]FVOO) have been developed as potential tools for the in vivo characterization of aromatase. The pharmacologicalproperties of these radioligands were evaluated using in vitro binding and in vivo distribution studies in the rat and primate. Saturation binding studies using rat ovary gave K-D and B-max values of 0.21 +/- 0.1 nM and 210 +/- 20 fmol/mg, respectively, for [F-18]FVOZ, and 7.6 +/- 1nMand 293 +/- 12fmol/mg, respectively, for [F-18]FVOO. Organ distribution studies in rats showed the highest accumulation in the adrenal glands, with standardized uptake values (SUVs) of 15 to 20, followed by ovaries and liver with SUVs of approximately 5. Ex vivo and in vitro autoradiography of the rat brain showed specific binding of both [F-18]FVOZ and [F-18]FVOO mainly in the amygdala. Positron emission tomography (PET) studies were performed in the Rhesus monkey, and these showed displaceable binding in the amygdala and the hypothalamus preoptic area. The PET images were also analyzed using masked volume-wise principal component analysis. These studies suggest that [F-18]FVOZ might be a suitable tracer for the study of aromatase in vitro and in vivo, and could be an alternative to [C-11]vorozole in human PET studies.

  • 84.
    Hamid Muhammed, Hamed
    et al.
    School of Technology and Health (STH), Royal Institute of Technology (KTH), Alfred Nobels Alle 10, SE-141 52 Huddinge, Sweden.
    Azar, Jimmy C
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion.
    Automatic Characterization of the Physiological Condition of the Carotid Artery in 2D Ultrasound Image Sequences Using Spatiotemporal and Spatiospectral 2D Maps.2014Inngår i: International Journal of Biomedical Imaging, ISSN 1687-4188, E-ISSN 1687-4196, Vol. 2014, artikkel-id 876267Artikkel i tidsskrift (Fagfellevurdert)
    Abstract [en]

    A novel method for characterizing and visualizing the progression of waves along the walls of the carotid artery is presented. The new approach is noninvasive and able to simultaneously capture the spatial and the temporal propagation of wavy patterns along the walls of the carotid artery in a completely automated manner. Spatiotemporal and spatiospectral 2D maps describing these patterns (in both the spatial and the frequency domains, resp.) were generated and analyzed by visual inspection as well as automatic feature extraction and classification. Three categories of cases were considered: pathological elderly, healthy elderly, and healthy young cases. Automatic differentiation, between cases of these three categories, was achieved with a sensitivity of 97.1% and a specificity of 74.5%. Two features were proposed and computed to measure the homogeneity of the spatiospectral 2D map which presents the spectral characteristics of the carotid artery wall's wavy motion pattern which are related to the physical, mechanical (e.g., elasticity), and physiological properties and conditions along the artery. These results are promising and confirm the potential of the proposed method in providing useful information which can help in revealing the physiological condition of the cardiovascular system.

  • 85. Hellier, David
    et al.
    Samur, Evren
    Passenger, Josh
    Spälter, Ulrich
    Frimmel, Hans
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för teknisk databehandling. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Datoriserad bildanalys.
    Appleyard, Mark
    Bleuler, Hannes
    Ourselin, Sébastien
    A modular simulation framework for colonoscopy using a new haptic device2008Inngår i: Medicine Meets Virtual Reality 16, Amsterdam, The Netherlands: IOS Press , 2008, s. 165-170Konferansepaper (Fagfellevurdert)
  • 86. Holzwarth, Karolin
    et al.
    Köhler, Ralf
    Philipsen, Lars
    Tokoyoda, Koji
    Ladyhina, Valeriia
    Wählby, Carolina
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för visuell information och interaktion. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion.
    Niesner, Raluca A.
    Hauser, Anja E.
    Multiplexed fluorescence microscopy reveals heterogeneity among stromal cells in mouse bone marrow sections2018Inngår i: Cytometry Part A, ISSN 1552-4922, E-ISSN 1552-4930, Vol. 93, nr 9, s. 876-888Artikkel i tidsskrift (Fagfellevurdert)
  • 87.
    Ishaq, Omer
    et al.
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för visuell information och interaktion. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion. Uppsala universitet, Science for Life Laboratory, SciLifeLab.
    Elf, Johan
    Uppsala universitet, Science for Life Laboratory, SciLifeLab. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Biologiska sektionen, Institutionen för cell- och molekylärbiologi, Beräknings- och systembiologi.
    Wählby, Carolina
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för visuell information och interaktion. Uppsala universitet, Science for Life Laboratory, SciLifeLab.
    An Evaluation of the Faster STORM Method for Super-resolution Microscopy2014Inngår i: Proceedings of the 22nd International Conference on Pattern Recognition, 2014, s. 4435-4440Konferansepaper (Fagfellevurdert)
    Abstract [en]

    Development of new stochastic super-resolution methods together with fluorescence microscopy imaging enables visualization of biological processes at increasing spatial and temporal resolution. Quantitative evaluation of such imaging experiments call for computational analysis methods that localize the signals with high precision and recall. Furthermore, it is desirable that the methods are fast and possible to parallelize so that the ever increasing amounts of collected data can be handled in an efficient way. We here in address signal detection in super-resolution microscopy by approaches based on compressed sensing. We describe how a previously published approach can be parallelized, reducing processing time at least four times. We also evaluate the effect of a greedy optimization approach on signal recovery at high noise and molecule density. Furthermore, our evaluation reveals how previously published compressed sensing algorithms have a performance that degrades to that of a random signal detector at high molecule density. Finally, we show the approximation of the imaging system's point spread function affects recall and precision of signal detection, illustrating the importance of parameter optimization. We evaluate the methods on synthetic data with varying signal to noise ratio and increasing molecular density, and visualize performance on realsuper-resolution microscopy data from a time-lapse sequence of livingcells.

  • 88.
    Ishaq, Omer
    et al.
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för visuell information och interaktion. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion. Uppsala universitet, Science for Life Laboratory, SciLifeLab.
    Negri, Joseph
    Bray, Mark-Anthony
    Pacureanu, Alexandra
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för visuell information och interaktion. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion. Uppsala universitet, Science for Life Laboratory, SciLifeLab.
    Peterson, Randall T.
    Wählby, Carolina
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för visuell information och interaktion. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion. Uppsala universitet, Science for Life Laboratory, SciLifeLab.
    Automated quantification of Zebrafish tail deformation for high-throughput drug screening2013Inngår i: Proc. 10th International Symposium on Biomedical Imaging: From Nano to Macro, Piscataway, NJ: IEEE , 2013, s. 902-905Konferansepaper (Fagfellevurdert)
  • 89.
    Issac Niwas, Swamidoss
    et al.
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för visuell information och interaktion. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion.
    Kårsnäs, Andreas
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för visuell information och interaktion. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion.
    Uhlmann, Virginie
    Imaging Platform, Broad Institute of Harvard and MIT, Cambridge, Massachusetts MA, USA and Biomedical Imaging Group, École Polytechnique Fédérale de Lausanne (EPFL), Switzerland.
    Palanisamy, P.
    Dept. of Electronics and Communication Engineering (ECE), National Institute of Technology (NIT), Tiruchirappalli, India.
    Kampf, Caroline
    Uppsala universitet, Medicinska och farmaceutiska vetenskapsområdet, Medicinska fakulteten, Institutionen för immunologi, genetik och patologi, Molekylär och morfologisk patologi.
    Simonsson, Martin
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för visuell information och interaktion. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion. Uppsala universitet, Science for Life Laboratory, SciLifeLab.
    Wählby, Carolina
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för visuell information och interaktion. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion. Uppsala universitet, Science for Life Laboratory, SciLifeLab.
    Strand, Robin
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för visuell information och interaktion. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion.
    Automated classification of immunostaining patterns in breast tissue from the Human Protein Atlas2012Inngår i: Histopathology Image Analysis (HIMA): a MICCAI 2012 workshop, 2012Konferansepaper (Fagfellevurdert)
    Abstract [en]

    Background:

    The Human Protein Atlas (HPA) is an effort to map the location of all human proteins (http://www.proteinatlas.org/ ). It contains a large number of histological images of sections from human tissue. Tissue micro arrays are imaged by a slide scanning microscope, and each image represents a thin slice of a tissue core with a dark brown antibody specific stain and a blue counter stain. When generating antibodies for protein profiling of the human proteome, an important step in the quality control is to compare staining patterns of different antibodies directed towards the same protein. This comparison is an ultimate control that the antibody recognizes the right protein. In this paper, we propose and evaluate different approaches for classifying sub-cellular antibody staining patterns in breast tissue samples.

    Methods and Material:

    The proposed methods include the computation of various features including gray level co-occurrence matrix (GLCM) features, complex wavelet co-occurrence matrix (CWCM) features and WND-CHARM-inspired features. The extracted features are used into two different multivariate classifiers (SVM and LDA classifier). Before extracting features, we use color deconvolution to separate different tissue components, such as the brownly stained positive regions and the blue cellular regions, in the immuno-stained TMA images of breast tissue.

    Results:

    Good results have been obtained by using the combinations of GLCM and wavelets and texture features, edge features, histograms, transforms, etc. (WND-CHARM). The proposed complex wavelet features and the WND-CHARM features have accuracy similar to that of a human expert.

    Conclusions:

    Both human experts and the proposed automated methods have difficulties discriminating between nuclear and cytoplasmic staining patterns. This is to a large extent due to mixed staining of nucleus and cytoplasm. Methods for quantification of staining patterns in histopathology have many applications, ranging from antibody quality control to tumour grading.

  • 90.
    Issac Niwas, Swamidoss
    et al.
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för visuell information och interaktion. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion.
    Kårsnäs, Andreas
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för visuell information och interaktion. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion.
    Uhlmann, Virginie
    Imaging Platform, Broad Institute of Harvard and MIT, Cambridge, Massachusetts MA, USA and Biomedical Imaging Group, École Polytechnique Fédérale de Lausanne (EPFL), Switzerland.
    Ponnusamy, Palanisamy
    Dept. of Electronics and Communication Engineering (ECE), National Institute of Technology (NIT), Tiruchirappalli, India.
    Kampf, Caroline
    Uppsala universitet, Medicinska och farmaceutiska vetenskapsområdet, Medicinska fakulteten, Institutionen för genetik och patologi, Molekylär och morfologisk patologi.
    Simonsson, Martin
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för visuell information och interaktion. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion.
    Wählby, Carolina
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för visuell information och interaktion. Uppsala universitet, Science for Life Laboratory, SciLifeLab. Broad Institute of Harvard and Massachusetts Institute Technology (MIT), Cambridge, Massachusetts, MA, USA, .
    Strand, Robin
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för visuell information och interaktion. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion.
    Automated classification of immunostaining patterns in breast tissue from the Human Protein Atlas2013Inngår i: Journal of Pathology Informatics, ISSN 2229-5089, E-ISSN 2153-3539, Vol. 4, nr 14Artikkel i tidsskrift (Fagfellevurdert)
    Abstract [en]

    Background:

    The Human Protein Atlas (HPA) is an effort to map the location of all human proteins (http://www.proteinatlas.org/). It contains a large number of histological images of sections from human tissue. Tissue micro arrays (TMA) are imaged by a slide scanning microscope, and each image represents a thin slice of a tissue core with a dark brown antibody specific stain and a blue counter stain. When generating antibodies for protein profiling of the human proteome, an important step in the quality control is to compare staining patterns of different antibodies directed towards the same protein. This comparison is an ultimate control that the antibody recognizes the right protein. In this paper, we propose and evaluate different approaches for classifying sub-cellular antibody staining patterns in breast tissue samples.

    Materials and Methods:

    The proposed methods include the computation of various features including gray level co-occurrence matrix (GLCM) features, complex wavelet co-occurrence matrix (CWCM) features, and weighted neighbor distance using compound hierarchy of algorithms representing morphology (WND-CHARM)-inspired features. The extracted features are used into two different multivariate classifiers (support vector machine (SVM) and linear discriminant analysis (LDA) classifier). Before extracting features, we use color deconvolution to separate different tissue components, such as the brownly stained positive regions and the blue cellular regions, in the immuno-stained TMA images of breast tissue.

    Results:

    We present classification results based on combinations of feature measurements. The proposed complex wavelet features and the WND-CHARM features have accuracy similar to that of a human expert.

    Conclusions:

    Both human experts and the proposed automated methods have difficulties discriminating between nuclear and cytoplasmic staining patterns. This is to a large extent due to mixed staining of nucleus and cytoplasm. Methods for quantification of staining patterns in histopathology have many applications, ranging from antibody quality control to tumor grading.

  • 91.
    Issac Niwas, Swamidoss
    et al.
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion. Uppsala universitet, Science for Life Laboratory, SciLifeLab. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för visuell information och interaktion.
    Palanisamy, P
    National Institute of Technology (NIT), Tiruchirappalli, India.
    Bengtsson, Ewert
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för visuell information och interaktion.
    An Investigation on Nuclei of Histopathological Images using Curvelet Statistical Features2012Konferansepaper (Annet vitenskapelig)
  • 92.
    Issac Niwas, Swamidoss
    et al.
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion. Uppsala universitet, Science for Life Laboratory, SciLifeLab. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för visuell information och interaktion.
    Palanisamy, P
    National Institute of Technology (NIT), Tiruchirappalli, India.
    Bengtsson, Ewert
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för visuell information och interaktion.
    Color deconvolution method for breast tissue core biopsy images cell nuclei detection and analysis using multiresolution techniques2013Inngår i: International Journal of Imaging and Robotics, ISSN 2231-525X, Vol. 9, nr 1, s. 61-72Artikkel i tidsskrift (Fagfellevurdert)
  • 93.
    Issac Niwas, Swamidoss
    et al.
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion. Uppsala universitet, Science for Life Laboratory, SciLifeLab. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för visuell information och interaktion.
    Palanisamy, P
    National Institute of Technology (NIT), Tiruchirappalli, India.
    Sujathan, K
    Regional Cancer Centre, Thiruvanathapuram, India.
    Bengtsson, Ewert
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion.
    Analysis of nuclei textures of fine needle aspirated cytology images for breast cancer diagnosis using complex Daubechies wavelets2013Inngår i: Signal Processing, ISSN 0165-1684, E-ISSN 1872-7557, Vol. 93, nr 10, s. 2828-2837Artikkel i tidsskrift (Fagfellevurdert)
    Abstract [en]

    Breast cancer is the most frequent cause of cancer induced death among women in the world. Diagnosis of this cancer can be done through radiological, surgical, and pathological assessments of breast tissue samples. A common test for detection of this cancer involves visual microscopic inspection of Fine Needle Aspiration Cytology (FNAC) samples of breast tissue. The result of analysis on this sample by a cytopathologist is crucial for the breast cancer patient. For the assessment of malignancy, the chromatin texture patterns of the cell nuclei are essential. Wavelet transforms have been shown to be good tools for extracting information about texture. In this paper, it has been investigated whether complex wavelets can provide better performance than the more common real valued wavelet transform. The features extracted through the wavelets are used as input to a k-nn classifier. The correct classification results are obtained as 93.9% for the complex wavelets and 70.3% for the real wavelets.

  • 94.
    Jarkrans, Torsten
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Centrum för bildanalys.
    Algorithms for Cell Image Analysis in Cytology and Pathology1996Doktoravhandling, med artikler (Annet vitenskapelig)
  • 95.
    Jusufi, Ilir
    et al.
    Univ Calif Davis, Dept Comp Sci, Davis, CA 95616 USA..
    Nyholm, Dag
    Uppsala universitet, Medicinska och farmaceutiska vetenskapsområdet, Medicinska fakulteten, Institutionen för neurovetenskap, Neurologi.
    Memedi, Mevludin
    Dalarna Univ, Sch Technol & Business Studies, Comp Engn, Borlange, Sweden..
    Visualization of spiral drawing data of patients with Parkinson's disease2014Inngår i: 2014 18Th International Conference On Information Visualisation (IV), 2014, s. 346-350Konferansepaper (Fagfellevurdert)
    Abstract [en]

    Patients with Parkinson's disease (PD) need to be frequently monitored in order to assess their individual symptoms and treatment-related complications. Advances in technology have introduced telemedicine for patients in remote locations. However, data produced in such settings lack much information and are not easy to analyze or interpret compared to traditional, direct contact between the patient and clinician. Therefore, there is a need to present the data using visualization techniques in order to communicate in an understandable and objective manner to the clinician. This paper presents interaction and visualization approaches used to aid clinicians in the analysis of repeated measures of spirography of PD patients gathered by means of a telemetry touch screen device. The proposed approach enables clinicians to observe fine motor impairments and identify motor fluctuations of their patients while they perform the tests from their homes using the telemetry device.

  • 96.
    Karlsson, Patrick
    et al.
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Centrum för bildanalys. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Datoriserad bildanalys.
    Lindblad, Joakim
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Centrum för bildanalys. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Datoriserad bildanalys.
    Correction in 3D Confocal Images2008Inngår i: Proceedings of the 2008 Symposium on Image Analysis, 2008, s. 31-34Konferansepaper (Annet vitenskapelig)
  • 97. Karlsson, Patrick
    et al.
    Lindblad, Joakim
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Centrum för bildanalys. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Datoriserad bildanalys.
    Segmentation and separation of point like fluorescent markers in digital images2004Inngår i: ISBI2004, 2004, s. 1291-1294Konferansepaper (Fagfellevurdert)
  • 98.
    Kecheril Sadanandan, Sajith
    et al.
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för visuell information och interaktion. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion. Uppsala universitet, Science for Life Laboratory, SciLifeLab.
    Karlsson, Johan
    AstraZeneca, Innovative Medicines, Gothenburg, Sweden.
    Wählby, Carolina
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för visuell information och interaktion. Uppsala universitet, Science for Life Laboratory, SciLifeLab. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion.
    Spheroid segmentation using multiscale deep adversarial networks2017Inngår i: IEEE International Conference on Computer Vision, IEEE, 2017Konferansepaper (Fagfellevurdert)
    Abstract [en]

    In this work, we segment spheroids with different sizes, shapes, and illumination conditions from bright-field microscopy images. To segment the spheroids we create a novel multiscale deep adversarial network with different deep feature extraction layers at different scales. We show that linearly increasing the adversarial loss contribution results in a stable segmentation algorithm for our dataset. We qualitatively and quantitatively compare the performance of our deep adversarial network with two other networks without adversarial losses. We show that our deep adversarial network performs better than the other two networks at segmenting the spheroids from our 2D bright-field microscopy images.

  • 99.
    Kecheril Sadanandan, Sajith
    et al.
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för visuell information och interaktion. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion. Uppsala universitet, Science for Life Laboratory, SciLifeLab.
    Ranefall, Petter
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för visuell information och interaktion. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion. Uppsala universitet, Science for Life Laboratory, SciLifeLab.
    Le Guyader, Sylvie
    Center for Biosciences, Department of Biosciences and Nutrition, Novum, Karolinska Institutet, Huddinge, Sweden.
    Wählby, Carolina
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för visuell information och interaktion. Uppsala universitet, Science for Life Laboratory, SciLifeLab. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion.
    Automated training of deep convolutional neural networks for cell segmentation2017Inngår i: Scientific Reports, ISSN 2045-2322, E-ISSN 2045-2322, Vol. 7, artikkel-id 7860Artikkel i tidsskrift (Fagfellevurdert)
    Abstract [en]

    Deep Convolutional Neural Networks (DCNN) have recently emerged as superior for many image segmentation tasks. The DCNN performance is however heavily dependent on the availability of large amounts of problem-specific training samples. Here we show that DCNNs trained on ground truth created automatically using fluorescently labeled cells, perform similar to manual annotations.

  • 100.
    Kecheril Sadanandan, Sajith
    et al.
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för visuell information och interaktion. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion. Uppsala universitet, Science for Life Laboratory, SciLifeLab.
    Ranefall, Petter
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för visuell information och interaktion. Uppsala universitet, Science for Life Laboratory, SciLifeLab. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion.
    Wählby, Carolina
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för visuell information och interaktion. Uppsala universitet, Science for Life Laboratory, SciLifeLab. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion.
    Feature augmented deep neural networks for segmentation of cells2016Inngår i: Computer Vision – ECCV 2016 Workshops: Part I, Springer, 2016, s. 231-243Konferansepaper (Fagfellevurdert)
123456 51 - 100 of 287
RefereraExporteraLink til resultatlisten
Permanent link
Referera
Referensformat
  • apa
  • ieee
  • modern-language-association
  • vancouver
  • Annet format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annet språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf